按与target列的接近程度排序Pandas DataFrame的value列

嘿，这个需求很常见，我来给你捋捋怎么实现！核心思路就是计算value和target两列的差值绝对值，然后按这个绝对值从小到大排序，这样就能让最接近target的value排在最前面啦。

首先，先把你的示例数据转换成可运行的Pandas DataFrame：

import pandas as pd

data = {
    'company': ['A', 'B', 'C', 'D', 'E', 'F'],
    'value': [23.18, 14.31, 26.08, 49.82, 37.38, 3.92],
    'target': [26.8879, 17.8298, 28.5479, 45.4238, 32.136, 11.7219]
}
df = pd.DataFrame(data)

接下来给你两种实用的排序方法：

方法1：用sort_values的key参数（推荐，Pandas 1.0及以上版本） #

这种方法最简洁，不需要额外新增列，直接通过key函数计算每行的差值绝对值作为排序依据：

sorted_df = df.sort_values(by='value', key=lambda x: abs(x - df['target']))

这里的lambda函数会对value列的每个元素，计算它和对应行target值的绝对值差，然后Pandas会根据这个差值从小到大排序，完美匹配你的需求。

方法2：先计算差值列再排序（兼容旧版Pandas） #

如果你用的是Pandas 1.0以下的版本，key参数还没支持，那就先新增一个差值列，排序后再删掉它就行：

# 新增绝对值差值列
df['abs_diff'] = abs(df['value'] - df['target'])
# 按差值列排序，然后删除临时列
sorted_df = df.sort_values('abs_diff').drop('abs_diff', axis=1)

最终排序结果 #

不管用哪种方法，你都会得到这样的排序结果（按与target的接近程度从高到低排列）：

你可以核对每行的差值：C的差值仅为2.4679（最小），B的差值是3.5198，A是3.7079，完全符合按接近程度排序的要求。

备注：内容来源于stack exchange，提问作者Sergio Pantano